QUALITE DES MATIERES PREMIERES DESTINEES A

L'ALIMENTATION DES VOLAILLES

Résultats d'une étude en Afrique de l'Est. Perspectives pour la gestion de la
variabilité des matières premières.

Bastianelli D.1, Omaria R.E.2, Bonnal L. 1, Grimaud P.1,3

1
CIRAD Centre de Coopération Internationale en Recherche Agronomique pour le
Développement. UR Systèmes d’élevages et produits animaux. Campus de Baillarguet. 34398
Montpellier cedex 05, France
2
National Livestock Resources Research Institute, P.O. Box 96, Tororo, Uganda.
3 Makerere University, Faculty of Agriculture, PO Box 7062, Kampala, Uganda

RESUME
Une étude sur la qualité des matières premières destinées à l’alimentation des volailles a été
réalisée en Ouganda et au Kenya. Plus de 600 échantillons ont été collectés et analysés pour
déterminer leur composition chimique et estimer leur valeur nutritionnelle. Pour le maïs, la
qualité est proche des tables de composition internationales, et la variabilité est modérée. Pour
d’autres matières premières comme le son de maïs ou les farines de poisson, la qualité est très
variable et éloignée des standards internationaux.
En formulation des aliments, la prise en compte de la qualité réelle des matières premières est
nécessaire. Cette évaluation est facile lorsqu’un échantillon peut être affecté à une catégorie
bien définie et homogène d’une table, en se basant sur son origine ou son aspect. Dans le cas
contraire, une analyse doit être pratiquée. Dans le cas des farines de poisson la seule
connaissance de la teneur en matières minérales (MM), facile à déterminer, permet
l’affectation dans 3 classes de qualité. Pour le son de blé une analyse plus poussée (amidon,
fibres) serait nécessaire. Une alternative à l’analyse chimique est l’utilisation de la
spectrométrie dans le proche infrarouge (SPIR) qui permet d’estimer rapidement la
composition d’un échantillon, ou éventuellement de le classer dans un groupe adapté.
Mots clés : volailles ; matières premières ; contrôle de qualité ; maïs ; son de blé ; farine de
poisson

SUMMARY
A study on the quality of raw materials used in poultry feeding was conducted in Uganda and
Kenya. More than 600 samples were collected and analysed for the determination of their
chemical composition and estimation of their nutritive value. For maize and other cereals, the
quality was close to the international feed tables and the variability was low to moderate.
However, for other raw materials such as maize bran or fishmeal, the quality was highly
variable and different from international standards. In feed formulation, knowledge of the real
quality of raw materials is necessary. However, with the high variability of raw materials
found in this study it becomes a major challenge for feed formulation. Options for managing
the variability of raw materials are presented. Whereas quality assessment is straight forward
when a sample of the raw material can easily be assigned to a well defined category of a feed
table, based on its origin, some aspect or property, in other cases, an analysis has to be
performed. In the case of fishmeal, the knowledge of just the mineral (MM) content, which is
easy to measure, is sufficient to assign the sample to one of 3 quality categories. For cereal
by-products, a more detailed analysis (starch, fibre) is necessary. An alternative to chemical
analysis is the use of near infrared spectroscopy (NIRS) which allows estimation of the
chemical composition of the sample, or classification into the right group.
Keywords : Poultry, raw materials, quality control, maize, wheat bran, fishmeal.
I – INTRODUCTION

La formulation d’aliments composés nécessite la connaissance de la composition et de la

valeur nutritionnelle des ingrédients utilisés. L’enjeu est technique – formuler un aliment
correspondant aux besoins des animaux – mais également économique puisqu’une mauvaise
appréciation de la valeur des ingrédients ne permet pas de réaliser une optimisation correcte
de la formule (Picard et Leòn, 1990).
Les matières premières utilisées en alimentation animale en Afrique proviennent pour partie
du marché international et pour partie d’une production locale (nationale, régionale). Les
matières premières internationales importées en Afrique sont relativement peu nombreuses,
l’essentiel étant constitué par le maïs et le soja, ainsi que le blé destiné à l’alimentation
humaine dont les sous produits sont disponibles pour l’alimentation animale.
Ces matières premières internationales sont relativement standardisées et leur composition est
généralement assez bien connue par les tables d’alimentation disponibles dans la plupart des
pays industrialisés (INRA-AFZ 2004, CVB 2004, etc.). Leur composition n’est toutefois pas
constante et sa variation peut avoir des conséquences non négligeables sur la formulation.
Dans les tables INRA-AFZ (2004) par exemple, l’écart type de la teneur en protéines du maïs
(sur n=2634 observations) est de 0.7, soit un coefficient de variation de 7.8%.
Au niveau national ou local, les matières premières disponibles peuvent être sensiblement
différentes des standards internationaux. Par exemple les tourteaux sont souvent obtenus par
pression, et conservent donc des teneurs en huile bien supérieures aux tourteaux obtenus par
solvant, leur conférant une valeur énergétique plus haute. A contrario certaines matières
premières peuvent être plus riches en fibres, ou plus faibles en matières azotées totales
(MAT), etc. Dans ces cas, il est important de prendre en considération une valeur adaptée et
de ne pas se fier aux standards internationaux qui ne correspondent pas à la réalité de terrain.
Mais dans certains cas les références locales sont relativement rares et parfois peu fiables car
anciennes (Mongodin et Rivière, 1965 ; Toury et al. 1967) ou correspondant à des
échantillons mal décrits. Un problème associé est celui de la variabilité des produits, d’autant
plus importante que les conditions de culture (variétés, pratiques culturales) et technologiques
sont variées. Or les sous produits agro-industriels proviennent souvent de petites unités de
production, avec une variabilité dans le temps entre les unités.

Il est donc particulièrement important de pouvoir établir si les matières premières disponibles
localement sont standard ou non, et dans le cas de matières premières non typiques de
proposer des valeurs adaptées. L’étude doit aussi permettre de définir pour chaque matière
première son niveau de variabilité. On peut ainsi mettre en œuvre des pratiques de
surveillance de la qualité qui limitent le risque d’erreur en formulation.

L’étude présentée ici a été réalisée de 2004 à 2007 au Kenya et en Ouganda. Elle a été réalisée
à la suite d’une étude sur la qualité des aliments pour volailles dans 7 pays d’Afrique de l’Est
(Bastianelli et al. 2005) qui avait montré leur faible qualité et leur grande variabilité,
attribuables pour partie à la méconnaissance des matières premières pour la formulation.
L’objectif était de proposer des valeurs pertinentes pour les matières premières disponibles
localement, et des méthodes de gestion de la variabilité. Une première table d’alimentation a
été produite au Kenya (CIRAD, 2006) et une autre est en cours de publication en Ouganda.
II - MATERIELS ET METHODES

2.1 ORIGINE DES ECHANTILLONS

Les échantillons de cette étude ont été collectés au Kenya et en Ouganda en 2005 et 2006.
Dans les deux pays, la collecte a été organisée de manière à couvrir la plus grande part
possible de la variabilité liée aux saisons, aux fournisseurs, aux origines et aux dénominations
de matières premières.

Un total de près de 600 échantillons a été récupéré, couvrant les catégories suivantes :
- Céréales (maïs, blé, riz, millet, sorgho)
- Sous produits de céréales
- Tourteaux (coton, tournesol, copra, soja)
- Manioc et patate douce
- légumineuses
- Farines de poisson
- Divers : Moringa oleifera, tourteau de pyrèthre, minéraux

Les échantillons ont été référencés, conditionnés et envoyés au laboratoire d’alimentation du

CIRAD à Montpellier (France).

La présente communication étudie les résultats du maïs, du son de maïs, des issues de blé et
des farines de poisson.

2.2 ANALYSES

Les échantillons ont été broyés avec un broyeur Retsch Zm100 avec une grille de 1mm.

Les analyses pratiquées ont été la matière sèche (MS) par séchage à l’étuve, les matières
minérales totales (MM) par calcination à 550°C, Les minéraux insolubles (INSCl) par attaque
des MM avec HCl, les matières azotées totales (MAT) par la méthode Kjeldahl, les matières
grasses (MG) par extraction à l’éther de pétrole (après hydrolyse acide le cas échéant), la
cellulose brute (CB) par la méthode de Weende, l’amidon (AMI) par polarimétrie et les sucres
totaux (SUC) par la méthode de Luff-Schoorl. Les méthodes employées correspondent aux
normes AFNOR pour l’alimentation animale.

Le spectre de réflexion dans le proche infrarouge (SPIR) des échantillons a été acquis sur un
spectromètre FOSS 6500, entre 400 et 2500nm, dans des coupelles en quartz. Chaque
échantillon a été lu deux fois (2 remplissages de cellules) puis les spectres ont été moyennés.

Les résultats rapportés dans ce document sont toujours exprimés par rapport à la matière
sèche.
III - RESULTATS ET DISCUSSION

3.1 – COMPOSITION DES MATIERES PREMIERES

La composition chimique moyenne et la variabilité (coefficient de variation) de quelques

matières premières est donnée au tableau I en comparaison avec des sources d’information
internationales (tables INRA–AFZ 2004).

Tableau I. Composition moyenne et variabilité de quelques matières premières

n MS MM InsCl MAT MG CB Ami Suc
Maïs Moyenne 53 90.8 1.4 n.d 9.5 4.5 2.2 73.3 1.6
CV 4.7 16.9 - 10.4 6.5 11.1 2.4 25.3
INRA 86.4 1.4 - 9.4 4.3 2.5 74.2 1.9
cv 1.4 7.9 - 8.2 10.3 17.3 2.8 29.7
Son de maïs Moyenne 97 92.1 4.2 n.d 11.3 11.0 6.9 39.4 3.7
cv 3.4 37.6 - 11.5 21.4 39.6 21.3 37.4
INRA Son de maïs 87.8 6.8 - 12.3 4.1 14.6 34.1 2.5
cv 1.8 35.0 - 21.3 36.1 28.1 30.1 31.8
Issues de blé Moyenne 83 91.2 5.6 n.d 16.7 4.3 9.7 23.2 6.4
cv 3.0 22.9 6.7 27.4 20.5 27.7 15.3
INRA Son de blé tendre 87.1 5.7 17.0 3.9 10.6 22.7 7.7
cv 1.3 10.0 6.1 14.7 13.0 16.2 25.4
Farine Moyenne 91 93.1 37.0 15.1 49.8 10.9 - - -
De poisson cv 2.2 43.3 97.4 32.1 39.5 - - -
INRA F.P. type 62 94.3 22.1 0.3 66.4 9.8 - - -
cv 2.0 12.2 62.9 2.6 20.5 - - -

Le maïs analysé (53 échantillons) a une valeur très proche de celui de l’INRA-AFZ (2004) : la
teneur en MAT est de 9.5% contre 9.4%, la CB de 2.2% contre 2.5%. La valeur énergétique,
calculée d’après les équations de Janssen (1989) serait de 3790 kcal/kg contre 3770 kcal/kg,
ce qui est très voisin. De plus, il est remarquable que les coefficients de variation des
différents paramètres soient assez proches entre les deux sources de données, sauf pour les
matières minérales plus variables dans notre étude. Le maïs disponible au Kenya et en
Ouganda est donc équivalent à celui des tables internationales. Ceci ne veut pas dire qu’il ne
faille pas en contrôler la qualité, qui reste variable : l’écart type de la MAT (1%) signifie que
30% des échantillons sont à plus de 1 point de la moyenne, ce qui n’est pas négligeable pour
une matière première dont le taux d’incorporation peut être élevé dans les formules
alimentaires.

Le son de maïs (97 échantillons) représente les échantillons dont la désignation locale était
« maize bran ». Il s’agit du résidu d’un décorticage humide du maïs pour consommation
humaine. Les autres sous produits du maïs (germes, tourteaux, gluten …) ont été considérés à
part. La composition de ce son est très variable. Elle est très différente du produit référencé
comme « son de maïs » dans les tables internationale : les teneurs en MAT et AMI sont assez
comparables, mais ces produits locaux contiennent beaucoup plus de matières grasses (11.0%
vs 4.1%) et moins de CB (6.9% vs 14.6%) que les valeurs INRA-AFZ. La valeur énergétique
de ce produit est plus élevée que celle des tables internationales, avec une estimation à
2945kcal/kg d’après les équations de Janssen (1989). Mais la qualité du son de maïs est -
comme pour celui de l’INRA - extrêmement variable avec des coefficients de variation de 20
à 40% sur la plupart des paramètres. Cela constitue un obstacle majeur à l’optimisation de
l’utilisation de cette matière première : sur nos 97 échantillons, la valeur EM varie de 2000 à
3800kcal/kg.

Les issues de blé proviennent de moulins industriels utilisant majoritairement du blé importé.
Ces issues sont commercialement désignées par « bran » et « pollards » mais ces deux
catégories se recouvrent et il existe un continuum complet depuis 15% jusqu’à 43% d’amidon
dans le sous-produit. Les issues de blé de notre étude sont très proches du son de blé tendre
des tables INRA-AFZ (2004). Il y a une différence minime sur CB (inférieure), AMI
(supérieur) et MG (supérieures), due au fait qu’il y a parmi nos échantillons certains
s’apparentant davantage à des remoulages. Par contre les produits analysés sont plus variables
que ceux de l’INRA, avec des coefficients de variation atteignant presque 30% pour AMI et
MG. Cette variabilité ne permet pas une utilisation directe efficace. Leur utilisation nécessite
de les classifier au moins dans des catégories plus homogènes.

Les farines de poisson collectées sont extrêmement variables. Certaines sont constituées de
petits poissons entiers (Rastrineobola argentea du lac Victoria, localement appelé omena ,
mukene ou dagaa), d’autres de poissons ou de déchets de poisson broyés. Les teneurs en
minéraux de ces farines de poisson sont très variables et en moyenne très élevées : 37% dont
15% de minéraux insolubles qui correspondent à du sable. Cette contamination peut être
accidentelle (séchage sur la plage) ou frauduleuse. Elle atteint parfois des valeurs telles (plus
de 70% de minéraux dont plus de 50% insolubles) que le produit a peu de valeur
nutritionnelle. En conséquence de ces teneurs en minéraux, les teneurs en MAT sont
relativement peu élevées : 49.8% en moyenne contre 66.4% dans la catégorie basse des tables
INRA-AFZ (Farine de poisson type 62). Si l’on corrige la teneur en MAT pour ne pas tenir
compte du sable, la moyenne est de 58.2% ce qui reste faible. Par contre certains échantillons
sont de très bonne qualité, avec des MAT > 70%, correspondant à la farine de poisson « type
65 » de l’INRA. La teneur en matières grasses des échantillons collectés est assez élevée
(10.9% soit 12.5% si l’on corrige de l’effet de la dilution par du sable).

3.2 – GESTION DE LA VARIABILITE

La création de références locales sur les matières premières disponibles est un progrès par
rapport à l’utilisation de données internationales, comme cela a été vu plus haut. Cependant
les niveaux de variabilité rencontrés dans cette étude ne permettent pas une utilisation
optimale des matières premières en formulation si l’on se contente d’utiliser sans
discernement des valeurs moyennes.
Le formulateur doit donc contourner cette difficulté en précisant sa connaissance de la matière
première afin d’en approcher au mieux la valeur exacte. Ceci peut se faire par une analyse
chimique complète, mais cette solution est lourde, coûteuse et demande beaucoup de temps.
Enfin un laboratoire qualifié n’est pas toujours disponible.
Parfois l’indication d’une dénomination commerciale ou d’une propriété de la matière
première peut suffire mieux à préciser sa valeur. Dans d’autre cas une analyse partielle peut
être une indication efficace. Enfin des moyens analytiques rapides, comme la spectrométrie
dans le proche infrarouge (SPIR), peuvent permettre de caractériser rapidement et à moindre
coût les produits disponibles.
3.2.1 – Utilisation de catégories a priori

Il peut s’agir d’une dénomination commerciale, ou d’une caractéristique visible du produit.

Issues de blé

Dans le cas des issues de blé, il existe deux dénominations commerciales : « bran » et
« pollards ». La Figure 1 représente la relation entre AMI et CB pour ces deux catégories.

50
45
40
35
Amidon (%)

30 Wheat pollard
25 Wheat bran
20
15
10
5
-
- 5 10 15 20
Cellulose brute (CB, %)

Figure 1. Relation AMI – CB dans les issues de blé

On voit clairement que, bien que distinctes, un fort recouvrement existe entre les deux
catégories. De fait les moyennes ne sont pas très différentes : 16.4% vs 17.1% pour MAT,
4.2% vs 4.4% pour MG, 10.6% vs 8.6% pour CB, 20.1% vs 26.2% pour AMI et 6.1% vs 6.8%
pour SUC pour bran et pollards respectivement. AMI est la seule mesure pour laquelle il y a
une réelle différence entre les 2 catégories. Pour l’ensemble de ces paramètres, l’écart type au
sein de chaque catégorie est équivalent à l’écart type de la population totale.
En conséquence l’information apportée par la catégorie a priori est ici peu utile car elle ne
permettra pas réellement d’affecter une valeur nutritionnelle plus adaptée au produit, ni de
gagner sur la précision (écart type) de son estimation.

Farines de poisson

Dans le cas des farines de poisson, on trouve sur le marché des petits poissons entiers ou des
farines de poisson broyées. C’est un signe distinctif a priori dont on peut se demander s’il
apporte une information pertinente. Le Tableau IIa montre la composition chimique comparée
des farines de poissons achetées broyées, ou sous forme de petits poissons entiers.
Tableaux IIa et IIb. Composition chimique des farines de poissons de différentes catégories.
MS MM INS MAT MG
Farines de poisson (n=91). Moy. générale 93.1 37.0 15.1 49.8 10.9
ET 2.0 16.0 14.7 16.0 4.3
Min 88.3 13.0 0.2 14.9 3.0
max 97.9 78.9 61.0 73.8 23.5
IIa - Categories a priori
Poissons entiers (n=35) 91.3 24.5 8.6 61.8 12.0
ET 1.3 6.1 4.9 7.3 3.3
Poissons broyés (n=56) 94.1 44.6 19.0 42.6 10.2
ET 1.7 15.5 17.2 15.6 4.7
IIb - Catégories a posteriori (poissons broyés)
MM < 35% (n=16) 92.9 25.6 8.4 65.4 10.4
ET 0.8 3.9 4.0 3.2 1.9
35% < MM < 55% (n=22) 93.4 41.8 10.9 44.2 11.9
ET 1.1 3.6 9.3 7.1 4.6
MM > 55% (n=18) 95.9 63.5 38.4 25.8 6.5
ET 1.3 8.5 15.7 7.1 2.2
Valeurs INRA 2004 (France)
Type 62 94.3 22.1 0.3 66.4 9.8
ET 1.9 2.7 0.2 1.7 2.0
Type 65 91.7 17.7 0.2 71.2 10.4
ET 1.4 2.1 0.1 1.8 1.6
Type 70 92.0 13.5 0.3 76.0 10.5
ET 1.3 2.1 0.3 1.7 1.6

Les MM sont respectivement de 24.5% et 44.6% pour les poissons entiers et broyés
respectivement, avec des teneurs en INSCl de 8.6% vs 19.0%. Les farines broyées sont donc
plus riches en minéraux exogènes (sable). La MAT moyenne des poissons entiers est de
61.8% contre 42.6% pour les farines broyées. Pour les poissons entiers, nos résultats
correspondent aux données de Oduho et al (2005), si l’on corrige nos données par rapport à la
teneur en INSCl qui sont un contaminant extérieur. Au-delà de ces valeurs moyennes, on
constate que l’écart type de la MAT, qui était de 16% pour l’ensemble des farines de poisson,
est de seulement 7.3% pour les poissons entiers mais reste à 15.6% pour les broyés.

La forme de vente du poisson est donc une indication précieuse : un poisson entier a une
valeur moyenne supérieure à une farine, et une variabilité inférieure. Cependant, elle ne
permet pas d’aller plus loin et d’identifier par exemple les bonnes farines de poisson qui
existent dans les farines vendues broyées.

3.2.2 – Utilisation d’une mesure chimique simple

Une mesure chimique unique permet parfois de préciser la valeur nutritive globale ou
l’appartenance à une catégorie.

Si l’on reprend l’exemple des farines de poisson, la mesure de la teneur en matières minérales
apporte une information intéressante pour les farines broyées. La Figure 2 montre la relation
entre MAT et MM des échantillons analysés. On voit que la connaissance de MM donne une
information assez précise sur MAT. On peut se servir de l’équation entre les deux paramètres

MAT = 84.2 – 0.93 x MM (R²=0.86, ETR=5.9)

 80

70

60

50

MAT (%MS)
MM<35
40 35<MM<55
MM>55
30
Poissons entiers
20

10

-
- 20 40 60 80 100
MM (% MS)

Figure 2. Relation MM-MAT dans les farines de poisson

On peut plus simplement définir plusieurs catégories de farines de poisson – un échantillon

étant assigné à l’une d’elle d’après sa teneur en MM. Le Tableau IIb indique les moyennes
des paramètres de composition pour les échantillons MM<35%, 35%<MM<55% et
MM>55%. On voit que cette catégorisation permet de distinguer nettement les groupes avec
des teneurs en MAT et MG très différentes et beaucoup moins variables que l’ensemble des
farines de poisson. Comme on a affaire à un système ternaire avec globalement
MM+MAT+MG=100, la teneur en MG peut être approchée, ou on peut pour le moins
déterminer si une farine est « grasse » ou non. Dans ce cas la seule mesure des MM, simple à
réaliser, donne une information extrêmement précieuse pour le formulateur.

Dans le cas des issues de blé par contre, MM est liée à CB mais pas à AMI ou MAT, ce qui
permet plus difficilement de distinguer des groupes pertinents sur la seule base de cette
mesure. La détermination d’une variable comme AMI ou même CB permet une classification
plus pertinente. Mais ces mesures sont toutefois plus délicates et plus chères à effectuer que
les MM en routine pour une vérification systématique des lots.

3.2.3 – Utilisation de la Spectrométrie dans le Proche Infrarouge (SPIR)

La spectrométrie dans le proche infrarouge (SPIR) est une technique analytique basée sur
l’absorption de la lumière (infrarouge = longueurs d’onde de 800 à 2500nm) par la matière
organique. Comme l’absorption dépend de la nature des liaisons moléculaires de l’échantillon,
elle est liée à sa composition chimique. La technique nécessite la mise en place d’étalonnages
pour chaque type de matière première, ce qui représente un travail assez lourd. Par contre une
fois réalisé il permet la détermination rapide (en quelques minutes) et peu onéreuse de la
composition des échantillons. Le paramètre clé est la précision des analyses, qui dépend des
étalonnages dont on dispose.

Appliquée aux échantillons de notre enquête, la SPIR a permis la prédiction efficace de la

composition chimique des échantillons dans la plupart des cas.

La Figure 3a représente la relation entre la teneur en amidon prédite par SPIR ou déterminée
au laboratoire dans les issues de blé. On voit que la relation est relativement précise (R²=
0.99 ; ETR= 0.9%). La composition chimique d’un échantillon peut donc être prédite
facilement en routine et la valeur nutritive est alors directement accessible. Cette possibilité
est particulièrement intéressante dans le cas des issues de blé dont on a vu que la
dénomination commerciale ne permettait pas de juger de la qualité
La Figure 3b montre que l’équation est moins précise pour la prédiction de la teneur en MAT
dans les farines de poisson (R²=0.94, ETR= 4.2%). Mais même dans ce cas la mesure SPIR
permet la classification en catégories, et l’écart type de l’estimation de la MAT est bien
inférieur à celui de la population totale (ET=16.0%) ou même de la prédiction via la mesure
de MM (ETR=5.9%). De plus l’étalonnage est plus précis si l’on se restreint à des poissons
contenant moins de 50% de minéraux (ETR=3.0%). D’autres auteurs ont également utilisé
cette technique pour les farines de poisson (Cozzolino et al. 2002) avec des résultats
comparables.

Figure 3a. Prédiction de la teneur en AMI du son de blé par SPIR

Figure 3b. Prédiction de la teneur en MAT des farines de poisson par SPIR

CONCLUSION

Cette étude a permis de recueillir des informations sur un très grand nombre d’échantillons de
matières premières d’Afrique de l’Est. Les presque 600 échantillons analysés couvrent une
trentaine de matières premières, même si seulement certaines d’entre elles sont présentées
dans ce document. Les données produites peuvent servir à l’établissement de tables de
composition comme cela a été le cas au Kenya (CIRAD, 2006). Certaines matières premières
comme. le maïs sont assez proches des standards internationaux, ce qui permet d’utiliser
directement les valeurs des grandes tables d’alimentation. Par contre les sous produits
artisanaux (sons de maïs) et les farines de poissons sont très différentes des standards et
également très variables. Cette constatation doit mener à travailler sur la définition de
catégories de matières premières mieux identifiées, en cherchant par exemple à distinguer
plusieurs types de farines de poisson, de sons de maïs, etc. Il faut pour cela mettre au point
des moyens de caractérisation a priori (origine ou aspect du produit) ou analytiques pour
affecter un échantillon à sa catégorie. Les méthodes analytiques impliquées ne doivent pas
être trop lourdes ou trop onéreuses. Toutes les analyses ne doivent pas être réalisées sur tous
les échantillons : des stratégies analytiques raisonnées doivent être mises au point (Bastianelli
et Guerin, 1998) pour estimer la qualité d’un échantillon avec un minimum de travail (et donc
de coût) analytique, comme cela a été montré ici dans l’utilisation des MM pour caractériser
les farines de poisson. La spectrométrie dans le proche infrarouge peut s’avérer d’une grande
utilité pour ce travail, permettant l’estimation rapide et peu coûteuse des propriétés d’un
échantillon (Bertrand, 2002 ; Kemper et Luchetta, 2003).

Les formulateurs d’aliments doivent également gérer cette variabilité par des pratiques de
formulation limitant le risque d’erreur importante, en sélectionnant les matières premières ou
en diluant par exemple le risque d’erreur par des mélanges d’origines.

REFERENCES BIBLIOGRAPHIQUES

1. AFNOR, 1999. Méthodes d’analyse des aliments des animaux. Recueil des textes
normatifs et réglementaires. AFNOR, Paris.
2. Bastianelli D., Fermet-Quinet E., Hervouet C., Domenech S., Bonnal L., D. Friot, 2005.
Qualité des aliments pour volailles en Afrique de l’Est. Intérêt de la Spectroscopie dans le
Proche Infrarouge (SPIR) pour l’estimation de leur composition. In : 6èmes journées de la
Recherche Avicole 29-30 mars 2005. St Malo (France). 184-188.
3. Bastianelli D. et Guerin H., 1998. Mission d’appui sur l’alimentation des volailles.
Prodec (Sénégal). Cirad-emvt, Montpellier, France. 57p.
4. Bertrand D., 2002. La spectroscopie proche infrarouge et ses applications dans les
industries de l’alimentation animale. Prod. Anim. 15:209-219.
5. CIRAD, 2006. Chemical composition of the main raw materials used in animal feeds in
Kenya. CIRAD, Montpellier, France. 23p.
6. CVB, 2004. Tabellenboek Veevoeding. Centraal Veevoederbureau, Lelystad, The
Netherlands, 117p.
7. Cozzolino D., Chree A., Murray I. et Scaife J.R., 2002. The assessement of the chemical
composition of fishmeal by near infrared reflectance spectroscopy. Aquaculture
Nutrition. 8:149-155.
8. INRA, AFZ, 2004. Tables de composition et de valeur nutritive des matières premières
destinées aux animaux d’élevage. 2ème édition. Sauvant D., Perez J.M., Tran G., éditeurs.
301p.
9. Janssen W.M.M.A., 1989. European table of energy values for poultry feedstuffs. 3ème
edition. Spelderholt Centre for Poultry Research and Information Services 7361 DA
Beekbergen, The Netherlands.15pp.
10. Kemper M.S. et Luchetta L.M., 2003. A guide to raw material analysis using near
infrared spectroscopy. J. Near Infrared Spectrosc., 11:155-174.
11. Mongodin B. et Rivière R., 1965. Valeurs bromatologiques de 150 aliments de l’ouest
Africain. IEMVPT, Maison Alfort (France), 75p + annexes.
12. Oduho G.W., Baker D.H. et Tuitoek J.K., 2005. Pelagic fish Rastrineobola argentea as a
protein source for broiler chicken. Agricultura tropica et Subtropica 38(2):82-87.
13. Picard M. et Leòn A., 1990. Modes d’évaluation et de contrôle des matières premières. In
L’aviculture en méditerrannée, CIHEAM, Options Méditerranéennes Sér A/n°7, 71-79.
14. Toury J., Giorgi R. Favier J.C. et Savina J.F., 1967. Aliments de l’ouest africain – Tables
de composition. Ann. Nutr. Alim. 21:73-127.